[CVPR 2023] 基于课程对比正则化的物理感知单图像去雾

这是论文的官方PyTorch代码：

基于课程对比正则化的物理感知单图像去雾
郑宇, 詹嘉辉, 何胜锋, 董俊宇, 杜勇^* （ * 表示通讯作者）
IEEE/CVF 计算机视觉与模式识别会议

网络架构

新闻

2023年4月20日: 我们发布了训练代码。

入门

安装

我们在PyTorch 1.10.1 + CUDA 11.4环境下测试了代码。

创建一个新的conda环境

conda create -n c2pnet python=3.7.11
conda activate c2pnet

安装依赖

pip install torch==1.10.0+cu111 torchvision==0.11.0+cu111 torchaudio==0.10.0 -f https://download.pytorch.org/whl/torch_stable.html
pip install -r requirements.txt

训练和评估

准备评估数据集

您可以在Google Drive(预训练模型和测试集)上下载预训练模型和数据集。

最终的文件路径将如下排列（请仔细检查）：

|-trained_models
     |- ITS.pkl
     |- OTS.pkl
     └─ ... (模型名称)
|-data
     |-SOTS
        |- indoor
           |- hazy
              |- 1400_1.png 
              |- 1401_1.png 
              └─ ... (图像名称)
           |- clear
              |- 1400.png 
              |- 1401.png
              └─ ... (图像名称)
        |- outdoor
           |- hazy
              |- 0001_0.8_0.2.jpg 
              |- 0002_0.8_0.08.jpg
              └─ ... (图像名称)
           |- clear
              |- 0001.png 
              |- 0002.png
              └─ ... (图像名称)

准备训练数据集

由于我们的训练数据集包含大量负样本，导致数据集过大，我们只上传了ITS训练数据集到百度网盘。但用户可以使用create_lmdb.py创建额外的数据集，其中可以定义负样本的数量和使用的现有去雾器类型。

最终的文件路径将如下排列（请仔细检查）：

data
   |-ITS
      |- ITS.lmdb
   |- ...(数据集名称)

评估

在SOTS-indoor数据集上测试C2PNet

python dehaze.py -d indoor

在SOTS-outdoor数据集上测试C2PNet

python dehaze.py -d outdoor

查看python dehaze.py -h获取可选参数列表

训练

在ITS数据集上训练网络

python main.py --crop --crop_size=240 --blocks=19 --gps=3 --bs=2 --lr=0.0001 --trainset='its_train' --testset='its_test' --steps=1000000 --eval_step=5000 --clcrloss --clip

在OTS数据集上训练网络

python main.py --crop --crop_size=240 --blocks=19 --gps=3 --bs=2 --lr=0.0001 --trainset='ots_train' --testset='ots_test' --steps=1500000 --eval_step=5000 --clcrloss --clip

引用

如果您发现我们的工作对您的研究有用，请引用我们：

@inproceedings{zheng2023curricular,
  title={Curricular Contrastive Regularization for Physics-aware Single Image Dehazing},
  author={Zheng, Yu and Zhan, Jiahui and He, Shengfeng and Dong, Junyu and Du, Yong},
  booktitle={IEEE/CVF Conference on Computer Vision and Pattern Recognition},
  year={2023}
}